基于耦合特征空间学习的行人再识别
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-21页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 行人再识别技术介绍 | 第12-15页 |
| 1.2.1 行人再识别面临的困难 | 第13-14页 |
| 1.2.2 行人再识别技术基本框架 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-18页 |
| 1.3.1 基于特征的再识别算法 | 第15-17页 |
| 1.3.2 基于度量准则的再识别算法 | 第17-18页 |
| 1.4 论文研究内容 | 第18-19页 |
| 1.5 论文结构 | 第19-21页 |
| 2 相关工作 | 第21-31页 |
| 2.1 前景提取 | 第21-23页 |
| 2.2 耦合字典学习 | 第23-25页 |
| 2.3 距离度量 | 第25-27页 |
| 2.4 常用数据集 | 第27-29页 |
| 2.5 评估方案 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3 基于耦合特征空间学习的行人再识别 | 第31-54页 |
| 3.1 算法总体框架 | 第31-32页 |
| 3.2 基于联合图正则化的耦合特征空间学习 | 第32-36页 |
| 3.2.1 问题公式化 | 第32-33页 |
| 3.2.2 投影函数 | 第33-34页 |
| 3.2.3 耦合特征提取 | 第34-36页 |
| 3.3 联合图正则约束项 | 第36-38页 |
| 3.4 迭代解决方案 | 第38-40页 |
| 3.4.1 目标函数 | 第38页 |
| 3.4.2 迭代解决方法 | 第38-40页 |
| 3.5 算法实现 | 第40-42页 |
| 3.5.1 训练阶段 | 第40-41页 |
| 3.5.2 测试阶段 | 第41-42页 |
| 3.6 实验与分析 | 第42-53页 |
| 3.6.1 实验设置 | 第42-43页 |
| 3.6.2 特征提取 | 第43-47页 |
| 3.6.3 VIPeR数据集实验 | 第47-49页 |
| 3.6.4 i-LIDS数据集实验 | 第49-51页 |
| 3.6.5 实验结果及分析 | 第51-53页 |
| 3.7 本章小结 | 第53-54页 |
| 4 行人再识别系统 | 第54-60页 |
| 4.1 系统功能介绍 | 第54-55页 |
| 4.2 系统设计介绍 | 第55-56页 |
| 4.2.1 训练投影矩阵 | 第55-56页 |
| 4.2.2 目标图像再识别 | 第56页 |
| 4.3 系统实现 | 第56-59页 |
| 4.3.1 开发环境介绍 | 第56-57页 |
| 4.3.2 系统再识别过程 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 结论与展望 | 第60-62页 |
| 5.1 主要工作及创新点 | 第60-61页 |
| 5.2 未来工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |
